数据结构之散列表

概述

散列表的英文名叫“Hash Table”，所以，我们也叫它为哈希表。
散列表利用数组支持下标随机访问数据的特性，是数组的一种扩展，由数组演化而来。

散列函数

我们需要把键值key映射为数组的下标。所以需要一个映射的函数，这个映射的函数就是散列函数。
散列函数有三个基本要求：

1. 散列函数计算得到的散列值是一个非负整数
2. 如果$key1=key2$，那么$hash(key1)=hash(key2)$
3. 如果$key1̸=key2$，那么$hash(key1)̸=hash(key2)$

前两点很好理解也很容易实现。不过第三点在key值特别大且无规律情况下是很难实现的。就算是业界著名的MD5、SHA、CRC等哈希算法，也无法完全避免这种散列冲突。

散列冲突的解决

既然散列冲突很难避免，那么就需要考虑一下解决方案。有两个常用的散列冲突解决方法：

1. 开放寻址法
2. 链表法

设计一个好的工业级散列表

要设计出一个好的工业级散列表，需要该散列表可以应对各种异常情况，避免在散列冲突的情况下性能急速下降。
需要考虑如下几点：

1. 设计一个合适的散列函数
2. 装载因子过大时，选择合适的方式进行扩容
3. 发生散列冲突时，选择合适的冲突解决方法解决散列冲突
4. 应对散列碰撞攻击

设计一个合适的散列函数

在选择散列函数时要考虑两点：

1. 散列函数的计算过程要短
2. 散列计算结果尽可能均匀分布

有几个常用的散列函数设计方法：数据分析法、直接寻址法、平方取中法、折叠法、随机数法。

用合理的方式进行扩容

在装载因子过大时，我们要对散列表进行扩容，如果是一次性迁移数据，那么势必会造成某次插入的效率极低，所以应当将迁移数据工作分布在每次的插入操作时做。

解决散列冲突的方法

对于工业级的散列表来说，因为存储的数据很有可能规律难寻，所以极有可能出现散列冲突，那么如何解决散列冲突就极为重要了。常用的散列冲突解决方法有两个：

1. 开放寻址法
   优点：查询效率高、易于序列化
   缺点：更浪费内存空间，在极端情况下查找时间复杂度退化为$O(n)$
   适合场景：数据量小、装载因子小
2. 链表法
   优点：内存利用率高、对大装载因子的容忍度高
   缺点：存储对象小的情况下会使内存有些浪费
   使用场景：存储大对象、大数据量、装载因子可能会比较大

散列碰撞攻击

散列碰撞攻击是指一些攻击者专门制造一些数据，使得所有的数据在散列之后，都被散列在同一个槽里。假设我们使用链表法解决冲突，那么就会使本来$O(1)$的数据查询时间复杂度退化为$O(n)$。在数据量巨大的情况下这是非常影响服务器性能的。
我们可以使用链表法解决散列冲突，并将简单链表替换为其它更高效的动态数据结构，比如跳表和红黑树。这样即使出现散列冲突，在极端情况下退化为查询时间复杂度$O(logn)$，就算是数据量很大的情况，也能够避免可怕的散列碰撞攻击。

散列表和链表一起使用

散列表的优势在于可以高效的查询、插入和删除元素。不过，由于存储的位置都是经过散列函数打乱了，所以遍历时十分不方便。因此要与链表一起使用，互补长短。